ምንጭ፦ ዲጂታል ታይምስ፣ ጉ ቦን-ግዩ ሪፖርተር
“የAI ስታርታፕ ክሌቪ፣ በGAIA ከፍተኛ 2.5% ውስጥ ገባ… የተረጋገጠ ተዓማኒነትን አሳየ” የሚለውን ጽሑፍ በሙሉ ጠቅሷል
የታተመበት ቀን 2026-04-08
አገናኝ፦ https://n.news.naver.com/article/029/0003020511?sid=105
የደቡብ ኮሪያ AI ስታርታፕ ‘ክሌቪ(Clevi)’ from scratch የሠራውን የራሱን ሞዴልና የራሱን ኤጀንት መፍትሔ ከገነባ በኋላ፣ በGAIA ቤንችማርክ በጠቅላላ 3,090 የተመዘገቡ ሞዴሎች መካከል ከፍተኛው 2.5% ውስጥ የገባ የመጀመሪያው የአገሪቱ ኩባንያ መሆኑን አስታወቀ።
በኢንዱስትሪው ማብራሪያ መሠረት፣ በሜታ AI የተነደፈውና በሁጊንግ ፌስ የሚሠራው GAIA AI አንድን ነገር ብቻ በጥሩ ሁኔታ የማከናወን ችሎታ ሳይሆን፣ በርካታ ችሎታዎችን በማጣመር እውነተኛ ችግኝነቶችን የመፍታት ችሎታን ይጠይቃል። በድር ላይ መረጃ መፈለግ፣ በPDF ውስጥ ያለ ሰንጠረዥ ማንበብ፣ ምስሎችን መተንተን፣ ኮድ በማስኬድ ስሌት ማከናወንና ውጤቶቹን በማጠቃለል አንድ ትክክለኛ መልስ ማቅረብ አለበት። 301 የማይታወቁ ጥያቄዎች፣ ሦስት የአስቸጋሪነት ደረጃዎችና መልሶችን ይፋ የማድረግ መርህ በመኖሩ፣ ከመጠን በላይ መለማመድም ሆነ ማጭበርበር የማይቻልበት መዋቅር ነው።
በዚህ ፈተና ከፍተኛ ውጤት ለማግኘት ሁለት ነገሮች ያስፈልጋሉ። መሠረታዊ የሆነው የቋንቋ ሞዴል የማመዛዘን ችሎታና ያንን ሞዴል ከእውነተኛው ዓለም መሣሪያዎች ጋር በማገናኘት ሥራዎችን በራስ ገዝ እንዲያከናውን የሚያደርገው ኤጀንት መፍትሔ ናቸው። ሞዴሉ ምንም ያህል ጥሩ ቢሆንም ኤጀንቱ ደካማ ከሆነ Level 3ን መፍታት አይችልም፤ ኤጀንቱ ምንም ያህል የተራቀቀ ቢሆንም የሞዴሉ የማመዛዘን ችሎታ በቂ ካልሆነ በመካከለኛው ደረጃ ላይ የተሳሳተ መልስ ወደ ቀጣዮቹ ይተላለፋል።
የGAIA የመሪዎች ሰንጠረዥ የአሁኑን መዋቅር ስንመለከት አስደሳች የሆነ አዝማሚያ ይታያል። በከፍተኛ ደረጃ ያሉ ኤጀንቶች አብዛኛዎቹ GPT፣ Claude፣ Gemini እና ሌሎች የትልልቅ ቴክኖሎጂ ኩባንያዎች ሞዴሎችን የሚያጣምረውን ‘ባለብዙ ሞዴል ድብልቅ’ ስትራቴጂ ተግብረዋል። የእያንዳንዱን ሞዴል ጥንካሬ ማጣመርና በመረጃ መጥፋት ወዘተ ምክንያት የሚፈጠረውን የውጤት ቅናሽ መከላከል የሚያስችል ምክንያታዊ አቀራረብ ነው።
በሌላ በኩል ክሌቪ ወደዚያ ሰልፍ አልተቀላቀለም። from scratch የተሠራው cip-5.5-agent(ኤጀንቲክ AI) ውስብስብ ሥራዎችን ማቀድ፣ መፈጸምና ማረጋገጥ በራስ ገዝ ያከናውናል፤ cip-5.5-mm(ከፍተኛ አፈጻጸም ያለው አጠቃላይ መልቲሞዳል) ደግሞ እንደ ድምፅ፣ ምስልና ቪዲዮ ያሉ የተለያዩ የፋይል ቅርጸቶችን ተረድቶ ያመዛዝናል። እነዚህ ሁለቱም ሞዴሎች በክሌቪ ውስጥ በገለልተኛነት የተሠሩ ሲሆኑ፣ የውጭ LLM API በፍጹም አልተጠቀሙም።
და ამ საკუთრივ შექმნილი მოდელის სტეკით GAIA-ზე 5 აგენტი წარადგინა და ყველამ 70-ქულიან დიაპაზონში ან უფრო მაღალი შედეგი დააფიქსირა. უმაღლესი 79.07%-დან 70.76%-მდე შედეგებით დადასტურდა არა ერთჯერადი შედეგის იღბალი, არამედ მთლიანად სტეკის სტაბილურობა.
კომპანიის განმარტებით, ოფიციალური 79.07%-იანი ქულის მიღმა კიდევ ერთი რიცხვი დგას. კლევის შიდა შემდგომი გადამოწმების შედეგად დადგინდა, რომ 301 კითხვიდან მნიშვნელოვან ნაწილში სწორი პასუხის დამადასტურებელი წყაროები დღეს საჯარო ვებზე აღარ არის ხელმისაწვდომი. მხოლოდ იმ კითხვების საფუძველზე ხელახალი შეფასებისას, რომელთა სწორი პასუხებიც დღესაც არსებობს ვებზე, კლევის სისწორის მაჩვენებელმა 98%-ს გადააჭარბა. ეს მაჩვენებელი უკვე აღემატება ადამიანის საშუალო შედეგს (92%).
რა თქმა უნდა, სხვა კომპანიების ძლიერ ზოგადი დანიშნულების მოდელებთან შერევის შემთხვევაში ოფიციალური ქულის კიდევ უფრო გაზრდა იქნებოდა შესაძლებელი. თუმცა კლევიმ შეგნებულად არ აირჩია ეს სტრატეგია. ამის მიზეზი ის იყო, რომ ამ ბენჩმარკის მიზანი უმაღლესი ქულისთვის შეჯიბრი კი არა, არამედ იმის შემოწმება გახლდათ, მიაღწია თუ არა from scratch საკუთრივ შექმნილმა მოდელმა გლობალურ ასპარეზზე კონკურენტუნარიან დონეს.
GAIA-ს ლიდერბორდზე სახელის გამოჩენას დიდი მნიშვნელობა აქვს, რადგან ეს ნიშნავს, რომ მოდელს მესამე მხარის დამოუკიდებელი შეფასებით მინიჭებული დადასტურებული სანდოობა გააჩნია. ეს არის ობიექტური საფუძველი, რომლის გამოყენებაც შესაძლებელია ინვესტიციების მოზიდვის, უცხოურ ბაზრებზე გაფართოებისა და B2B გაყიდვების ყველა ეტაპზე.
კლევის წარმომადგენელმა განაცხადა: „ოფიციალურად არასწორი 63 პასუხიდან მნიშვნელოვანი ნაწილი გამოწვეული იყო გამოსატანი ფორმატის შეუსაბამობით, ვიზუალური მასალის ინტერპრეტაციის შეცდომებითა და ინფორმაციის დაკარგვის გამო პასუხის გაცემის შეუძლებლობით. ეს უფრო შემდგომი დამუშავების სიზუსტისა და გარე ინფორმაციის ხელმისაწვდომობის პრობლემაა, ვიდრე ლოგიკური მსჯელობის ფუნდამენტური შეზღუდვა. ვინაიდან ეს საკუთრივ შექმნილი მოდელია, კლევის შეუძლია თავად გააუმჯობესოს იგი. სწორედ ეს არის from scratch საკუთრივ შექმნილი მოდელის სტრუქტურული უპირატესობა. კლევის ეს მიღწევა კორეის AI ინდუსტრიას უსვამს კითხვას: „როდემდე ვიქნებით დამოკიდებული ‘ნასესხებ ტვინებზე’?“ კლევიმ აირჩია უფრო რთული გზა — from scratch — და სურს, რომ მისი პასუხი მსოფლიო ასპარეზზე დაამტკიცოს“.